谢凤桥构造油气层的人工神经网络识别

江汉盆地西南缘谢凤桥构造是一背斜构造 ,为岩性 +构造复合型油藏。油藏的聚集明显受储层纵向分布和横向展布及非均质性的控制。根据这一储层特点 ,用前向 (BP)网络建立储层参数的仿真计算 ,然后用自组织映射特征 (SOM)网络来预测油层类别。首先从一口或多口关键井所属已知数据中选取训练样本 ,选用冲洗带电阻率、真电阻率、自然伽马、自然电位、补偿声波、补偿中子及井径等 7类钻、测井数据作输入变量 ,由此建立测井数据参数与储层孔隙度、含油饱和度和渗透率等参数的输入输出映射关系。以产油井鄂深 4 ,8等井的已测试油层作为训练样本 ,用BP神经网络进行函数逼近 ,来预测储层参数。然后 ,利用SOM网络进行模式分类。将对储层较敏感的真电阻率、补偿声波进行二度输入 ,与BP网络所输出的孔隙度、含油饱和度、渗透率等储层参数一起作为油层识别的诊断特征参数。样本的特征参数经过标准化处理后 ,送入SOM网络进行学习训练和建模 ,得出建模样本油层识别的SOM网络 ,输入所要预测层位的数据 ,由网络仿真输出各井的油层识别结果。结果经生产检验 ,符合率超过 90